Vous êtes désormais convaincu que l’exploitation des données peut répondre aux enjeux de la Supply Chain d’aujourd’hui. Vous avez même identifié un cas d’usage pertinent pour votre entreprise. Alors, comment faire pour mener à bien votre projet ? Dans cette partie, vous allez découvrir une méthode pour réaliser un projet d’exploitation des données en Supply Chain. Comment ? En vous mettant dans la peau d’un Data Analyst ! 😃
Découvrez votre mission
Vous venez d'accéder au poste de Data Analyst Supply Chain dans la société Omozone, spécialisée dans la vente de produits de beauté.
Daniel, votre responsable, et directeur Supply Chain de l’entreprise, a besoin d’une analyse des ventes sur l’ensemble des canaux de distribution de l’entreprise :
e-commerce ;
magasins de l’enseigne ;
magasins partenaires.
Il souhaite mieux comprendre les caractéristiques de la demande, et répondre aux questions suivantes :
Quelle est la forme de la saisonnalité de la demande ?
Quels sont les volumes commandés des différents articles par type de canal de distribution ?
Cette analyse des données poursuit deux objectifs très importants pour l’entreprise :
diminuer les indisponibilités d’articles qui entraînent des ventes manquées ;
minimaliser les stocks des différents produits dans les magasins.
En tant qu’expert, vous intervenez dans les différentes étapes de la réalisation du projet, de la définition du besoin à la restitution finale.
Définissez le besoin fonctionnel exprimé par le client
Cette première étape est critique : sans définition précise du besoin fonctionnel, impossible de concevoir une solution répondant à la problématique métier ! Pour garantir la réussite du projet, vous suivez les trois étapes suivantes.
Collectez le besoin exprimé par le client interne
Votre point de départ est de demander à Daniel, votre client interne, d’expliquer son contexte, sa problématique et les difficultés qu’il rencontre pour résoudre sa problématique. Ainsi, vous organisez une réunion d’échange avec lui. Vous avez également préparé en amont une liste de questions à poser le jour J :
Pourquoi souhaitez-vous lancer ce projet maintenant ?
Quel est le périmètre prioritaire d’analyse concernant les canaux de distribution ?
Comment caractérisez-vous la demande sur les différents canaux de distribution ?
Selon vous, quels indicateurs permettent de suivre l’évolution des ventes manquées ?
Quelles informations vous manque-t-il pour diminuer les ventes manquées ?
Pendant l’entretien, Daniel n’a pas de réponse à toutes les questions, et certaines d’entre elles ont même tendance à le décontenancer. Ce n’est pas grave, l’idée est d’amorcer les échanges avec lui sur la problématique, pour susciter de la réflexion chez lui !
Construisez une problématique et faites-la valider par le client interne
Après une heure de réunion, vous ressortez avec beaucoup de matière sur le contexte de votre projet. Super ! 😃 L’enjeu est maintenant de formuler une problématique simple à comprendre pour les parties prenantes du projet :
“Quelles sont les caractéristiques de la demande sur le canal e-commerce qui perturbent la gestion des stocks globale de l’entreprise ?”
Heuuu… Et en quoi cette problématique est-elle bien formulée ici ?
Il ne vous reste plus qu’à faire valider la problématique par Daniel. Vous lui envoyez le compte-rendu de la réunion et visiblement, vous avez tapé dans le mille : votre proposition est validée.
Rédigez des spécifications fonctionnelles pour répondre à la problématique
Votre problématique est validée, vous vous attelez désormais à la rédaction des spécifications fonctionnelles, c’est-à-dire que vous allez identifier les fonctionnalités qui permettront de répondre à votre problématique.
Là aussi, vous procédez de manière itérative avec Daniel, en décrivant d’abord les fonctionnalités de façon macroscopique, puis en détaillant au fur et à mesure.
Ainsi, à l’issue de ce processus, vous obtenez le livrable ci-dessous :
ID | Description | Valeur métier (1 à 5) | Sources de données |
BF001 | En tant que responsable Logistique, je veux pouvoir déterminer la prévision de vente mensuelle pour un produit donné, afin de déterminer le niveau de stock adéquat pour le mois à venir. | 5 | Historique des ventes des produits |
BF002 | En tant que... je veux pouvoir... afin de... |
|
|
BF003 |
|
|
|
Je ne comprends pas très bien… Comment je fais pour remplir le tableau ?
Pas de problème, je vous explique comment renseigner les 4 colonnes du tableau ! 😉
Dans la colonne “ID” : vous notez un identifiant unique pour chaque fonctionnalité.
Dans la colonne “Description” : vous décrivez l’objectif de la fonctionnalité pour l’utilisateur.
Dans la colonne “Valeur métier”, vous évaluez de 1 (basse) à 5 (haute) la valeur de la fonctionnalité pour votre utilisateur.
Dans notre cas, c’est plutôt à Daniel de remplir cette colonne, mais vous avez le droit de le titiller sur ses notes. 😉
Dans la colonne “Sources de données”, vous listez les sources de données nécessaires pour réaliser la fonctionnalité.
Les spécifications fonctionnelles permettent de découper notre problématique en petits “morceaux” à résoudre. Cela nous aidera à nous orienter plus tard dans la phase d’analyse de données. Patience, nous reviendrons en détail sur cette étape dans le chapitre 3 de cette partie ;-).
Cartographiez les données nécessaires pour répondre au besoin métier
Il est temps de vous pencher sur les données d’historique de commandes. C’est un élément crucial pour répondre à votre problématique. À ce stade, votre enjeu est de répondre à 3 questions clés pour cartographier précisément ces données :
Où sont stockées les données que je vais exploiter ?
Est-ce que j’ai bien compris le sens des données d’un point de vue métier ?
Est-ce que les parties prenantes partagent un langage commun pour communiquer sur les données ?
Listez les sources de données dont vous avez besoin
En partant des spécifications fonctionnelles que vous avez formalisées dans votre dernier livrable, vous allez utiliser le contenu de la colonne “Sources de données”, afin de lister les sources de données nécessaires pour réaliser les fonctionnalités définies. Mais à ce stade, vous avez juste une dénomination métier de la source de données. Il vous faut maintenant identifier à quel endroit du système d’information de votre entreprise se trouvent les données dont vous avez besoin.
Ainsi, vous avez besoin de connaître l'historique des ventes des produits. Ces données sont stockées dans l’ERP, mais vous ne connaissez pas le nom de la table correspondante. Vous demandez au responsable SI, qui vous répond que cette table n’existe pas telle quelle dans l’ERP. 😱
Vous devez construire vous-même une table d’historique des ventes des produits, en croisant les tables ci-dessous :
la table “commandes”, qui contient l’identifiant unique de la commande et la date de la commande ;
la table “details_commandes”, qui contient l’identifiant unique de la commande, l’identifiant produit et le descriptif du produit.
À l’issue de cette opération, vous obtenez une table qui contient les commandes et les identifiants produits associés à chaque commande :
ID_commande | Date_commande | ID_produit |
15673993 | 2022-10-15 12:04 | 1987005 |
34517834 | 2022-10-12 06:08 | 567209 |
78540917 | 2022-09-14 16:09 | 1987005 |
78540917 | 2022-09-14 16:09 | 567154 |
Analysez la documentation pour comprendre vos données
L’heure est venue de rentrer plus en détail dans la compréhension fonctionnelle des données, c’est-à-dire de vous assurer du sens et de la signification des données dans le métier. En réponse à votre problème, le responsable SI vous partage un fichier contenant pour chaque table et chaque colonne :
le type de champ pour chaque colonne ;
le descriptif du contenu de chaque colonne.
Table | Colonne | Type champ | Descriptif |
commandes | ID_commande | alphanumérique (8 caractères) | identifiant unique pour une commande |
commandes | Date_commande | horodatage (YYYY-MM-DD HH:mm) | date de création de la commande |
... | ... | ... | ... |
Heureusement pour vous, le fichier est à jour. Le responsable SI vous a précisé qu’il a été construit récemment pour faciliter la compréhension des données dans l’entreprise.
Rédigez un dictionnaire des données pour favoriser la communication entre les parties prenantes
Vous avez identifié les sources de données utiles pour votre projet, et analysé la documentation disponible sur la signification fonctionnelle des données. Vous êtes désormais en mesure de construire votre boussole pour retrouver votre chemin parmi toutes ces données : le dictionnaire des données. Ce document va vous permettre de partager une définition, commune avec l’ensemble des parties prenantes du projet, des différentes données utilisées.
À l’issue de ce processus, vous obtenez le livrable ci-dessous :
Source données | Table | Clé primaire | Tables utilisées | Contenu | Commentaires |
ERP | Historique des ventes | (ID_produit; jour) | commandes, details_commandes | Volume de ventes en unité de mesure, volume de ventes en € HT | Une ligne de la table représente les informations de vente sur une référence produit pour un jour donné. |
... | ... | ... |
| ... | ... |
À vous de jouer !
Maintenant que vous savez comment cadrer un projet d’analyse de données, je vous propose de reproduire cette méthode dans votre entreprise.
N’hésitez pas à télécharger et adapter les outils ci-dessous pour formaliser votre démarche :
En résumé
Pour poser le cadre de votre projet :
Définissez le besoin fonctionnel exprimé par votre client :
procédez en 3 étapes : collectez le besoin, formulez une problématique, rédigez des spécifications fonctionnelles ;
en cas de doute sur le besoin, veillez à reformuler le besoin, et surtout à faire valider votre formulation du besoin par votre client interne.
Cartographiez les données nécessaires pour répondre au besoin métier :
listez les sources de données et outils associés ;
analysez la documentation disponible ;
rédigez un dictionnaire des données.
Les données sont rarement exploitables en l’état en Supply Chain. C’est à vous de relier les données et de créer de nouvelles tables pour répondre à vos besoins.
Vous avez défini le cadre de votre projet et identifié les données à exploiter : bravo ! 🥳 Il est temps de passer à la deuxième étape : préparer les données !